Connect with us

Unite.AI

Rodrigo Ceballos Lentini, AI Tech Lead, Georgian AI Lab Rodrigo Ceballos Lentini AI Tech Lead, Georgian AI Lab

Rodrigo Ceballos Lentini is een AI Tech Lead in Georgian’s AI Lab, waar hij portfolio-bedrijven helpt om tastbare resultaten te behalen met generatieve en agente AI-projecten. Rodrigo heeft een masterdiploma in Neurale Systemen en Computation met een focus op Computer Vision van ETH Zürich.

Laatste artikelen

Thought leaders 10 juni 2025

Gids voor het begrijpen, bouwen en optimaliseren van API-aanroepende agenten Takenlijst API versie: 1.0.0 paden: /taken: post: samenvatting: Voeg een nieuwe taak toe aanvraagbody: vereist: true inhoud: application/json: schema: type: object eigenschappen: beschrijving: type: string antwoorden: ‘201’: beschrijving: Taak succesvol gemaakt get: samenvatting: Haal alle taken op antwoorden: ‘200’: beschrijving: Lijst met taken Stap 2: Standaardiseer tooltoegang Converteer de OpenAPI-specificatie naar Model Context Protocol (MCP)-configuraties. Met een tool zoals Stainless.ai kan dit resulteren in: Toolnaam Beschrijving Invoerparameters Uitvoerbeschrijving Taak toevoegen Voegt een nieuwe taak toe aan de takenlijst. `beschrijving` (string, vereist): De beschrijving van de taak. Bevestiging van taakcreatie. Taken ophalen Haalt alle taken op uit de takenlijst. Geen Lijst met taken met hun beschrijvingen. Stap 3: Implementeer de agent Gebruik Pydantic voor gegevensmodellering, maak functies die overeenkomen met de MCP-tools. Gebruik vervolgens een LLM om natuurlijke taalopdrachten te interpreteren en de juiste tool en parameters te selecteren. Stap 4: Curateer een kwaliteitsdataset Maak een dataset: Opdracht Verwachte API-aanroep Verwacht resultaat “Voeg ‘Boodschappen doen’ toe aan mijn lijst.” `Taak toevoegen` met `beschrijving` = “Boodschappen doen” Bevestiging van taakcreatie “Wat staat er op mijn lijst?” `Taken ophalen` Lijst met taken, inclusief “Boodschappen doen” Stap 5: Optimaliseer agentprompts en -logica Gebruik DSPy om prompts te verfijnen, met focus op duidelijke instructies, toolselectie en parameterextractie met de gecureerde dataset voor evaluatie en verbetering. Door deze bouwstenen te integreren – van gestructureerde API-definities en gestandaardiseerde toolprotocollen tot rigoureuze datapraktijken en systematische optimalisatie – kunnen technische teams meer capabele, betrouwbare en onderhoudsvriendelijke API-aanroepende AI-agenten bouwen.

De rol van Artificial Intelligence in technologiebedrijven evolueert snel; AI-use cases zijn geëvolueerd van passieve informatieverwerking tot proactieve agenten die taken kunnen uitvoeren. Volgens een enquête...

MORE POSTS